洞见科技数据智能产品部总经理纪凯：隐私计算助力“全链路”金融客户经营
“
根据iResearch的统计，已有30%的机构开始在做隐私计算的相关POC，61.5%的机构将在2022年进行一些基于隐私计算的业务实践。
编辑｜朋湖网
近日，在上海现代服务业联合会的指导下、上海市银行同业公会的支持下，朋湖网联合圆石金融研究院举办的陆家嘴产业金融论坛2022系列线上公益活动——数字经济下的“隐私计算应用产业发展论坛”隆重召开。
本次论坛邀请到了上海市银行同业公会钱钧秘书长、上海市银行同业公会金融科技专委会主任、工商银行上海市分行金融科技部总经理邱琳，上海交大计算法学与伦理研究中心执行主任刘志毅，洞见科技、富数科技、光之树科技、蓝象智联等来自隐私计算领域的先锋企业以及中国工商银行股份有限公司、中银金融科技有限公司等金融领域应用场景方专家代表，共同探讨数字经济时代下的隐私计算技术应用及产业发展方向，并从金融行业角度全方位解读隐私计算应用场景落地的实际案例，对隐私计算技术的发展模式及未来趋势进行了深刻的解析。
上海现代服务业联合会会长特别助理、汽车产业金融服务专委会秘书长，兼上海国际航运中心发展促进会金融与保险工作委员会常务副主任兼秘书长沈颐辰出席，并作了主办方致辞。
洞见科技数据智能部总经理纪凯受邀出席并分享了题为《隐私计算助力“全链路”金融客户经营 》的精彩演讲。
以下为演讲实录
大家好！我今天简单从“全链路”的金融客户经营为例介绍一下隐私计算技术的一些落地场景应用。首先，先跟大家分享几个数字：
第一，当下数据要素价值流通已经进入3.0模式，也就是利用隐私计算技术助力数据要素价值安全释放。回溯过去，1.0模式是以离线数据包为代表，2.0模式是以数据API接口为代表，3.0模式则是通过隐私计算工具去实现数据的安全流通、交易和应用。
第二，目前隐私计算的市场规模大约是4.9亿元人民币，预计2025年将达到145亿元人民币。
第三，从现在实践的趋势来看，不论是在金融、政务、运营商，还是医疗领域，隐私计算在商业化和实际落地应用中都有非常多的案例和成功经验。
当然，大数据产业的迅猛发展也离不开政策支持。从国务院《“十四五”数字经济发展规划》提出“建立数据要素市场体系”的重要发展目标 ，到今年的《中共中央国务院关于加快建设全国统一大市场的意见》出台，要求加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、开放共享、安全认证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发，可以看出在政策方面颁布了一系列的支持措施。
此外，在金融领域也产生了一系列的数据要素相关规划，隐私计算的数据标准也在不断出台。基于法律法规的不断完善、技术的不断成熟发展，隐私计算技术从此前的实验室状态、POC环境已经进入到实践阶段。根据iResearch的统计，已有30%的机构开始在做隐私计算的相关POC，61.5%的机构将在2022年进行一些基于隐私计算的业务实践。
其次，分析传统数据应用的瓶颈。比如说像数据的API传输、离线的安全环境建模或是一些数据的硬拷贝，无论是从数据的安全性来讲，还是在数据的使用深度、数据应用成本和协同方面都存在一些问题。
从数据的使用深度视角来看，因为存在各种各样基于自身数据的保护措施，以及存在数据颗粒度标准不统一的问题，现有的标准化和颗粒度可能无法满足整体建模业务的策略，包括场景使用的需求。
从经营信息视角来看，无论是需求方把自己的“X”或自己的“X+Y”带到数据源方，还是进行一些离线的数据传输，里面其实都存在一些数据暴露、经营信息暴露和业务策略暴露的风险。
从数据成本视角来看，无论是基于CPS付费、效果付费还是基于对于一项业务的提升转化的分润，在传统的数据使用中会存在一些成本的分歧。因为传统的数据应用要么是按照调用查询计费要么是按照查得查询计费，无法与降本增效的目标直接关联。但通过隐私计算技术，可以更加完善数据使用、信息保护、成本分歧的路径与商业模式的设计。
举例来说，传统的数据需求方，例如一家银行或者保险公司，在利用多方的数据进行融合建模、营销活动时，会涉及到多个机构进行数据“传输”的情况，此时比如数据提供方（运营商、支付机构或是其他征信公司）、业务运营方、触达方（媒体），多方会有数据融合的需求。基于隐私计算技术，就能实现多方快速地对接，通过节点数据不出域的方式解决数据流通和价值融合的协同。此外，多方的数据还可以在不出本地的前提下进行全局模型建设，进行“可用不可见”的隐私安全求交，进行可插拔的业务-数据链接。进而在数据安全流通的前提下，实现数据方、触达方和业务方的跨域连接。比如，要去推荐一个理财或保险产品，在做PSI求交后，可以精准识别目标人群，且通过后向业务反馈进行策略的优化，筛选条件是不出域的，整个的运营流程数据中，大家仅仅只是交换了一些ID，在模型的过程中也仅是交换中间的梯度，而非原始数据，从而保证了策略的安全和算法的安全。
关于成本的分歧，无论是行里有1000万的客户要做风险监测，还是有几个亿的持卡客户要去做产品匹配，通过隐私计算技术可以按照有效求交的数据量或联邦学习后的模型来提升效果，甚至与行里的业务营销系统连接去统计整体业务的接通率、响应率，进而将业务策略的调用机制、业务指标通过隐私计算去完成更加高效、安全的关联，使得数据交易路径会更加通畅。
综上所言，无论是打破数据的壁垒，还是协同多方的资源，通过隐私计算技术都能完成资源的整合与数据无损的价值流通，实现解决方案的协同。
基于此，我们提出了一个“全链路”客户经营的概念。
具体如上图所示，左边是我们强调的价值链路，因为各界一直在强调增长，强调客户价值，右边是业务路径，是价值的实现路径。从增长纬度来看，无论是获客、留存还是沉睡唤醒，我们强调的是客户的价值挖掘。在客户获取方面：是不是找到了目标客群，在获客成本飙升和渠道选择越来越多元化的情况下，产品设计之初定位的目标客户与我们通过历史的数据价值分析及结合同业经验融合去定位的目标客群是否一致？在客户经营方面，是通过我们原本的DMP、ERP数据去抽取客户的特征，还是结合了一方数据去链接媒体方和数据方的数据去做到一二三方的数据的融合、升维，给客户一个更全面的画像和排序？比如根据客户偏好、进行兴趣-产品矩阵优化。在客户维系与留存方面，是走“定向寻找”还是“提升曝光”，客户价值的服务策略是不是能匹配？比如，我们区分了高中低价值的客户，相应地就需要映射不同层级的服务策略与营销资源，比如沉睡客户进行客户流失预测，对重点客户投入业务资源进行挽回，对一般客户进行日常维系。
从业务路径来说，核心有三点：数据、业务、触达。从数据的逻辑来看，就是去了解客户后会产生一个客户画像的数据支点；进行投放时，会根据客户画像匹配投放策略。以权益投放为例，比如说我是化妆品的经营商，我会邀请客户到店去试用，那么就需要投放的逻辑。客户是喜欢去参加线下活动，比如去门店领取试用装，还是喜欢去点击我的APP每日签到、去打卡获得签到礼，就需要投放触点的选择，去推送相应的卡券、活动以获得高响应率。在触达中，通过埋点分析，我们又可以根据客户的点击、提交表单（如试用申请）、浏览，更加深入地看到客户对哪些的产品和哪些营销手段感兴趣。基于此，除了传统的一些产品矩阵、客户矩阵的一对一或者多对一的选择，我们还可以给客户更多的“定制化”“千人千面”的选择，这其中的逻辑就是通过隐私计算链接数据-行为-业务。
客户进入我们“经营池”之后，我们首先考虑的就是客户价值，那么业务策略和营销触达就是我们的业务路径。通过隐私计算去链接更多场景方的业务资源，打通数据围墙，可以将价值与经营两方做一个更完美的联通，让客户从“有需求”变成“想要满足XX需求”“可引导的需求”，作为服务方来讲，就是从被动满足需求到挖掘需求、引导需求、匹配需求，客户在整个生命周期的价值链路会比较通畅。
举一个实际的案例，比如说一个银行信用卡的中心，要发布新的联名信用卡，在这个场景，第一优先级肯定是营销行里有授权的留资客户或是其他业务活跃客户，那这里就有一个待营销客户数。客户数是基于行内的数据积累，其中哪些客户是可营销的，哪些客户是可触达的，应该要有一个意愿的识别，这里意愿不仅是一种营销的相应意愿，也会有客户价值的因子。
我们将客户划分为成头部、腰部和尾部。头部客户的定义会比较明确，高价值加上高响应。关于头部客户，主要通过借助一些人工及定制化的手段去进行产品匹配与触达，以期待核心资源可以提示客户贡献值；腰部客户其实占了绝大多数，也是营销资源投入最多的部分，需要设计产品-业务策略与多方式触达的联动机制；尾部客户价值与贡献度相对偏低，一开始基本不会定位在目标客户框架内。在去确认这些高价值高响应客户时，我们会通过更多的营销响应模型或策略去判断客户：他是喜欢APP的开屏广告，还是喜欢一个比较甜美声音的AI机器人，还是喜欢线下去门店或网点时的小礼品？通过模型的识别预测，优选最匹配的触达路径。比如在发卡场景，成功触达就是客户去点击”申请”或者“我要开卡”，在其他场景，比如说我们去售卖一个商品或者在线课程，那就是”立即注册”、”获取优惠”或者“去购买”。最后，我成功点击了，点击之后是否提交完件，是否购买完成了交易动作，我们会认为是个转化率。
因此，我们会对每个模型进行准确率、触达率和转化率的回溯。传统的模式之下，可能没有隐私计算，后向的效果数据没有办法去做合规、安全的“回传”，比如触达率、响应率，因为数据里分散在不同的系统，比如说IVR的系统、CRM系统以及第三方的客户管理系统，就会产生很多的数据漏损现象。通过隐私计算技术能完成节点的连接和数据的融合，我们可以在整个的链路中保证数据标准更统一、归集更完整，实现数据增值。
最后，我简单介绍一下洞见科技，洞见科技是由由中国最大、世界第四大信用产业集团—“中诚信”投资孵化，也是国内专精型隐私计算技术的领先企业，致力于以隐私计算技术赋能数据价值的安全释放和数据智能的合规应用。
我们秉承着“让数据价值安全释放”的使命，以自研的洞见数智联邦平台（InsightOne）为抓手，通过“左加数据、右加场景”的模式来构建整个数据要素的流通底座，构建一个联通多方数据资源的跨域资源生态平台，促进数据价值、业务价值和客户增长的价值充分释放。
预告
开题报告｜预计9月发布
朋湖网正在针对隐私计算进行《2022建立统一大市场下，各行业对于隐私计算的应用市场研究》报告的撰写，预计在9月初发布；旨在探讨在全国统一大市场背景下，结合政策、技术、市场三方，研究各行业对隐私计算爆发的市场需求，围绕几个重点的应用落地场景，探讨统一大市场中隐私计算在数据要素市场发挥的作用以及由此带来的联动效果。
报告撰写期间，欢迎更多业内人士与我们联系，经交流分享的信息和资料如经采纳，将在报告中标注来源，并在报告的致谢页中露出。
微信号｜Gcx847076575
报告撰写负责人｜朋湖网主编龚晨霞
1
END
1
出品 | 朋湖网
往期推荐
分享、在看与点赞
关注科技不迷路